Splay：通过无休止的旋转实现自平衡，利用“双旋”保证性能，是动态区间操作的王。K-D Tree：巧妙融合空间分割与二分思想，配合剪枝大法，是多维坐标查询的利器。LCT 动态树：把静态的重链剖分动态化，用 Splay 维护实链，实虚边灵活切换，是动态图/森林连通性问题的终极武器。当你能手撕这三个数据结构时，恭喜你，你的代码能力、对指针的理解、对递归与分治的掌握，已经超越了 95% 的同龄人！**

std::set是 C++ 标准模板库（STL）中的一种关联式容器。有序：元素默认按照升序排列。唯一：容器中不允许存在重复元素（Key 就是 Value）。高效：插入、删除、查找的时间复杂度均为Olog⁡NO(\log N)OlogN。这是新手最容易卡壳的地方。如果set中存放的是结构体或类，必须告诉set如何比较大小。std::set底层通常实现为红黑树。它是一种自平衡的二叉搜索树（BST）。为

从线性的分块、莫队，到树上基础的LCA，再到非线性转线性的终极艺术——树链剖分。我们可以看到，高级数据结构的演进，本质上是在寻找更聪明的“打包”与“映射”方式。先手写两遍分块和求 LCA（倍增法），这是地基。深刻理解莫队的指针移动逻辑和 Tarjan LCA 的并查集思想。找一道洛谷 P3384【模板】轻重链剖分，花半天时间彻底死磕下来，你会体会到数据结构之美的巅峰！你的支持是我爆肝更新的最大动力

如果你正在准备实习、校招，想做一个大模型应用方向的练手项目，也可以从这里出发，加入自己的场景。希望它能帮你从“看过一些 Agent 教程”，走到“我也能动手搭一个，并解释它为什么这样工作”。它把编程智能体背后的工程机制拆成了循序渐进的课程，从一个简单的循环开始，一步步加入工具和其他能力。找一个具体项目，边做边理解这些概念，会更容易知道它们到底有什么用。这个项目的起因，是我看到了。

如果你正在准备实习、校招，想做一个大模型应用方向的练手项目，也可以从这里出发，加入自己的场景。希望它能帮你从“看过一些 Agent 教程”，走到“我也能动手搭一个，并解释它为什么这样工作”。它把编程智能体背后的工程机制拆成了循序渐进的课程，从一个简单的循环开始，一步步加入工具和其他能力。找一个具体项目，边做边理解这些概念，会更容易知道它们到底有什么用。这个项目的起因，是我看到了。

"Day": 3,"Topic": "Agent 指令应该如何写才稳定","Core_Principle": "角色定位清晰 + 边界约束严格 + 工具策略明确 + 输出格式可解析","Pitfall": "试图用超长的 Prompt 解决所有工程 Bug。记住，逻辑错误用代码兜底，而不是加长提示词。","Next_Step": "明天我们把这个 Prompt 放进真实的开发环境中，看看模型在实际

系列：100 天系统学习 AI Agent 开发当前阶段：OpenAI Agents SDK 主线今日目标：OpenAI Agents SDK 的核心路径是定义 Agent、运行 Agent，再逐步加入工具和协作。

系列：100 天系统学习 AI Agent 开发当前阶段：OpenAI Agents SDK 主线今日目标：OpenAI Agents SDK 的核心路径是定义 Agent、运行 Agent，再逐步加入工具和协作。

昨天deepseek-harness发布了，这注定是值得载入史册的一个夜晚，我第一时间就发现了这个消息，同时我也一直在期盼着deepseek-v4-pro正式版​​但是我一直在观望，看了好几个相关的评测视频，比如林禾，看完我真感觉这是国产的胜利啊。今天我也简单的实际测试了一下使用的是deepseek-v4-flash，在晚上八点半，让它给我生成介绍我的学校的ppt文件1 轮 · 25 步| LLM

这两年大模型很火，但我越来越明显地感觉到：只会聊天的大模型，和能真正完成任务的 Agent，中间隔着一整套工程体系。一个可用的 Agent 不是“写一段神奇 Prompt”就结束了。它要能理解目标，选择工具，读取资料，保存状态，处理错误，必要时请人确认，还要能被评测、被监控、被复盘。换句话说，Agent 不是单点技术，而是一种把模型能力接入真实任务的系统方法。